3D land cover mapping from satellite imagery by weakly supervised learning

通过弱监督学习根据卫星图像绘制 3D 土地覆盖图

基本信息

批准号：
22H03609
负责人：
横矢直人
金额：
$ 10.98万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2026-03-31
项目状态：
未结题

项目摘要

本年度は，人によるアノテーションなしで入手可能な低コストの教示データを手掛かりに，土地被覆と標高に関する情報を抽出する基盤技術の開発に取り組み，以下３つの項目を実現した．１）土地被覆地図超解像：低解像度で不正確な土地被覆地図を教示データとして，高解像度リモートセンシング画像から高解像度土地被覆地図を推定する土地被覆地図超解像に取り組んだ．低解像度ラベルのなかで不正確なラベルを学習から除外する弱教師付き学習と，ラベル無し画像から得られる擬似ラベルを利用する半教師付き学習を統合した土地被覆分類アルゴリズムを開発した．土地被覆地図超解像のためのベンチマークデータを用いた評価により，提案手法の有効性を確認した．２）地上撮影画像を用いた単眼衛星画像からの標高推定の高精度化：単眼衛星画像と空間的に疎な地点で撮影された地上撮影画像から，数値標高モデルを推定する機械学習モデルのプロトタイプを開発した．予備実験により，地上画像から得られる奥行き情報を活かすことで，単眼衛星画像から得られる数値標高モデルの推定精度の向上を確認した．３）異種画像を用いた土地被覆変化検出：光学センサやSARから得られる異種リモートセンシング画像を用いた土地被覆変化検出に取り組んだ．特に，グラフ表現学習や周波数解析を応用することで，教示データを用いることなく2時期の異種画像から土地被覆の変化検出を実現するアルゴリズムを開発した．土地被覆変化検出のためのベンチマークデータを用いた評価において，最先端の性能を記録した．

今年，我们致力于开发利用无需人工注释即可获得的低成本教学数据提取土地覆盖和海拔信息的基础技术，并取得了以下三项成果。 1）土地覆盖图超分辨率：我们研究了土地覆盖图超分辨率，它使用低分辨率和不准确的土地覆盖图作为教学数据，从高分辨率遥感图像中估计高分辨率土地覆盖图。我们开发了一种土地覆盖分类算法，该算法集成了弱监督学习（从学习中排除低分辨率标签中不准确的标签）和半监督学习（使用从未标记图像获得的伪标签）。通过使用土地覆盖图超分辨率基准数据进行评估，证实了该方法的有效性。 2) 使用地面图像提高单目卫星图像高程估计的准确性：开发了根据单目卫星图像和在空间稀疏位置拍摄的地面图像估计数字高程模型的机器学习模型原型。通过初步实验，我们证实利用地面图像获得的深度信息可以提高单目卫星图像获得的数字高程模型的估计精度。 3）利用异构图像进行土地覆盖变化检测：我们利用光学传感器和SAR获得的异构遥感图像进行土地覆盖变化检测。特别是，通过应用图表示学习和频率分析，我们开发了一种算法，可以在不使用教学数据的情况下从两个时期的不同图像中检测土地覆盖的变化。使用土地覆盖变化检测基准数据进行的评估记录了最先进的性能。